Windows下Python安装详细教程+PyCharm和TensorFlow的安装配置

该教程参考链接：https://blog.csdn.net/qq_34514415/article/details/80201543
https://zhuanlan.zhihu.com/p/111168324

  这里说明一下，我后续要安装的是较旧的1.x版本的tensorflow，最新版本的python3.9已经不支持，所以我下载的python版本是较旧的python3.6.4，这里读者可以自行决定要下载的版本。

  至于为什么不下载最新的2.x版本的tensorflow，因为tensorflow更新非常快，里面的一些接口甚至是语法都经常发生改变，比如最常用的功能tf.Session()，在新版本里需要写成tf.compat.v1.Session()。而我想要练习的一些项目教程都是在较旧的tensorflow版本中编写的，为了少做一些改动以及避免一些不必要的bug（其实就是懒），我还是选择旧版本。当然读者如果想学习了解最新的技术，还是建议下载最新版的tensorflow的。

一、Python的安装

首先就是进入官网选择python版本下载，点我进入python下载官网。

上面是几个目前活跃的python版本说明，可以看到3.6和3.7都是安全版本，而3.8和3.9还处于存在bug需要修复的状态。下面可以下载自己需要的指定python版本，挑选一个以后点击Download，在跳转的页面下划到最下方，这里有多个选项可以选择，x86-64是64位版本，x86是32位版本，你需要下载跟你电脑系统一致的版本。如若不确定自己电脑的系统版本，可以右键我的电脑，选择属性，查看系统版本。

embeddable zip file 是压缩包版本，即便携版，解压可用；

executable installer 是可执行的安装版本，即离线版，下载到本地后可以直接安装；

web-based installer 是联网安装版，体积很小，但需要保持网络畅通；

建议使用离线安装版（executable installer），这样软件会帮你设置系统变量，否则需要自己添加。


下载完成后打开，我已经下载过python了，所以这里拿另一个版本的python作示例。



最后点击Install便可完成安装。测试一下是否安装成功，同时按下win+R。

进入命令行，输入python，出现这样的界面则表示成功安装。同时你还可以在这里写出你的第一句 Python 代码，打印hello, world!

如果没有出现下面的情况，可能是你的环境变量没有修改成功，右键点击"我的电脑"->属性->高级系统设置->环境变量，在系统变量栏目中，找到PATH，双击编辑后，添加你刚才安装python的路径就可以啦！

二、PyCharm的安装和TensorFlow的配置

  因为我做java和c++开发用的是JetBrains的IntelliJ IDEA和CLion，所以python开发干脆也上pycharm，直接来个全家桶。

首先也是进入pycharm的官网下载，点我进入pycharm下载官网，选择Windows下载社区版即可。

接下来就是一步一步正常安装，可以自行修改安装路径，其他设置全部默认就好。由于我已经安装过PyCharm，这里就不展示具体流程了，一般也不会出错。

安装完成以后打开PyCharm，首先我们可以安装一个官方的汉化包，在左侧的插件选项中搜索Chinese安装。

重启PyCharm后即可看到汉化效果，接下来新建一个项目下载配置TensorFlow，点击新建项目。

可自行修改项目位置，Python解释器会自动检测，无需我们操作。

然后点击左上角的文件，选中设置。

选中Python解释器，这里会展示你安装过的软件包（图中是我已经安装了一些包），点击左下角的加号可以下载你需要的包。

在搜索框搜索你需要的软件包名称即可，右下方可以指定下载版本，选好版本后点击左下角的安装包即可。（如果第一次安装包失败，很有可能是网络问题，可以试试连接手机热点，利用移动数据下载。）另外，如果你的电脑是windows系统且安装了两个python解释器，比如3.8和3.6，那么安装包的的时候也会出错，建议卸载其中一个。

就算只装了tensorflow也会带着一堆配套的东西，比如numpy，tensorboard。另外需要pandas，opencv之类的话，用同样的方法安装即可。后续如果想更换软件包版本，重新下载新的版本覆盖即可。

安装完成后可以运行下面的代码测试tensorflow是否安装成功，2.0以上版本的tensorflow第二行要写成sess = tf.compat.v1.Session()

import tensorflow as tf
#定义两个整数a,b
a = tf.constant(2)
b = tf.constant(5)
result = a+b
sess = tf.Session() #生成一个会话，通过一个会话session来计算结果
#实现了一个简单的Tensorflow模型
print(sess.run(result))

运行结果如下（其实就是一个普通的加法）：

如果你也出现了红色警告Your CPU supports xxxxx，不用管，不影响程序运行。当你有GPU的时候，大量的计算都会自动发送到GPU去执行，可以完全无视这个警告；当你没有GPU的时候，才需要考虑这个警告，开启CPU的AVX2支持。

至此就大功告成啦，感谢大家的阅读！